AI readiness assessment: come valutare la maturità AI

L'AI readiness assessment è una valutazione strutturata del livello di maturità di un'organizzazione rispetto all'uso dell'intelligenza artificiale. Esamina cinque dimensioni (dati, competenze, processi, governance e tecnologia) e restituisce un quadro di punti di forza, gap e priorità.

Il suo scopo è decisionale: capire dove l'azienda può investire con buone probabilità di successo, cosa va sistemato prima e quali iniziative rimandare. Un assessment che produce solo un punteggio, senza decisioni conseguenti, ha poco valore.

Perché fare un assessment di maturità AI

Molte aziende partono dagli strumenti: acquistano licenze, avviano pilot, poi scoprono che i dati non sono accessibili, che le persone non sanno come usarli o che nessuno ha stabilito le regole. L'assessment ribalta la sequenza e rende visibili i prerequisiti prima di spendere.

Tre situazioni lo rendono particolarmente utile.

• Prima di un piano pluriennale di investimenti in AI, per evitare di finanziare casi d'uso che l'organizzazione non è pronta a sostenere.
• Dopo una fase di sperimentazione diffusa, quando serve passare da iniziative isolate a un approccio coordinato.
• In presenza di nuovi obblighi normativi, per capire quanto della governance richiesta sia già in piedi.

Le cinque dimensioni da valutare

Le dimensioni sono interdipendenti: un livello alto in una non compensa l'assenza di un'altra. Per ciascuna è utile porsi domande concrete.

Dati

I dati sono la materia prima di molti casi d'uso. Domande tipiche: i dati rilevanti esistono e sono accessibili? Sono sufficientemente completi e aggiornati? Ci sono responsabili chiari? Esistono regole su cosa può essere dato in input a un sistema AI, anche alla luce del GDPR? Conta anche la qualità dei permessi: chi può vedere quali dati, e quali dati non devono mai uscire dal perimetro aziendale.

Competenze

Riguardano sia le competenze specialistiche sia la familiarità diffusa con l'AI. Domande: le persone sanno cosa possono e non possono chiedere a uno strumento? Esistono ruoli responsabili dell'AI? C'è un percorso formativo? L'art. 4 dell'AI Act sull'alfabetizzazione in materia di AI, applicabile dal 02/02/2025, rende questa dimensione anche un tema normativo: vedi AI literacy e articolo 4 dell'AI Act.

Processi

Un processo poco definito è difficile da migliorare con l'AI. Domande: i processi candidati sono documentati? Hanno volumi ripetuti e un responsabile? Esistono misure di partenza che permettano di valutare l'impatto? Senza una baseline, non si potrà dimostrare l'utilità di nulla: il tema è sviluppato in come misurare il ROI dell'intelligenza artificiale.

Governance

Comprende policy, responsabilità, censimento dei casi d'uso e degli strumenti, gestione del rischio e presidio normativo. Domande: esiste una policy d'uso comprensibile? C'è un registro dei casi d'uso? Chi decide se un nuovo strumento può essere adottato? Si conoscono gli obblighi applicabili tra GDPR, NIS2 e AI Act? Approfondimento: come scrivere una policy AI aziendale. Un registro dei casi d'uso, anche semplice, è un buon indicatore di maturità: chi lo tiene aggiornato sa cosa succede nei reparti.

Tecnologia

Include infrastruttura, integrazioni, sicurezza e panorama degli strumenti. Domande: gli strumenti in uso sono noti e valutati? Esistono sovrapposizioni? Le integrazioni con i sistemi esistenti sono fattibili? Come si gestiscono accessi e sicurezza? Su questa dimensione pesa la scelta tra più fornitori, che andrebbe guidata dai casi d'uso e non dalla notorietà del marchio. Contano anche i modelli ospitati in locale, se previsti, e la capacità di sostituire uno strumento senza bloccare i processi.

Come condurre un assessment: i passi operativi

1. Definire lo scopo e il perimetro. Intera organizzazione o alcune aree? Quale decisione deve supportare l'esito?
2. Costituire un gruppo di lavoro con IT, dati, HR, legale e protezione dati, sicurezza e rappresentanti del business.
3. Scegliere una scala di maturità semplice, ad esempio quattro livelli da iniziale a gestito, con descrizioni osservabili per ciascuno.
4. Raccogliere evidenze. Documenti esistenti, inventari di strumenti, dati di utilizzo, politiche, risultati di formazioni.
5. Condurre interviste e questionari per reparto e ruolo, in forma aggregata, per cogliere ciò che i documenti non mostrano.
6. Assegnare i livelli per dimensione motivandoli con evidenze, non con impressioni.
7. Identificare i gap e collegarli a conseguenze concrete: cosa non si può fare finché quel gap resta aperto.
8. Restituire i risultati in una sintesi breve, con priorità e responsabili.

Una regola utile: ogni livello assegnato deve poter essere difeso con un documento o un dato. Se non lo è, il giudizio è un'opinione.

Come usare l'esito dell'assessment

Il valore sta nelle decisioni che ne derivano. Conviene tradurre ogni gap in un'azione con un responsabile, una scadenza e un indicatore che dica se è stato chiuso. Alcuni usi tipici:

• Sequenziare le iniziative. I gap sui prerequisiti (dati, regole, competenze) vengono affrontati prima dei casi d'uso che ne dipendono.
• Scegliere i casi d'uso adatti. Con maturità limitata, si privilegiano casi circoscritti, a basso rischio e misurabili.
• Orientare la formazione. I gap di competenza per reparto e ruolo indicano dove concentrare i percorsi.
• Impostare la governance. Policy, registro e responsabilità vengono definiti partendo dalle lacune emerse.
• Fissare obiettivi di miglioramento con scadenze e responsabili, da rivedere nel tempo.
• Dialogare con la direzione su investimenti, con evidenze al posto di intuizioni.

Un assessment è una fotografia, e la maturità cambia. Va ripetuto con cadenza definita, ad esempio ogni 12 mesi, per verificare i progressi. Lo stato di adozione, descritto in cos'è l'AI adoption e come misurarla, offre un riscontro continuo tra una rilevazione e l'altra.

Errori da evitare

• Ridurlo a un punteggio unico. Una media tra dimensioni nasconde il gap che blocca davvero.
• Valutare solo la tecnologia. Spesso i colli di bottiglia sono dati, regole o competenze.
• Coinvolgere una sola funzione. Il risultato riflette il suo punto di vista.
• Autovalutarsi in modo ottimistico. Senza evidenze, le risposte tendono al rialzo.
• Non dare seguito. Un rapporto senza piano d'azione perde valore in poche settimane.
• Valutare le persone. L'oggetto è l'organizzazione: i dati sulle persone vanno letti in forma aggregata per ruolo o reparto.
• Cercare la perfezione prima di partire. Un assessment snello, concluso in poche settimane, è più utile di un'analisi esaustiva che arriva quando le priorità sono cambiate.

Limiti dell'approccio

Un assessment resta una stima, e riflette il momento in cui è condotto: una riorganizzazione, un cambio di fornitore o una nuova norma possono cambiarne l'esito in pochi mesi. Inoltre misura la prontezza a usare l'AI, non il valore che ne deriverà: per quello servono misure di impatto sui processi. Le scale di maturità sono convenzioni, non standard universali, e confrontarsi con altre aziende ha senso solo se i criteri sono simili. I giudizi dipendono dalla qualità delle evidenze raccolte. Conviene quindi usarlo per orientare le scelte interne e non come certificazione.

Dove si colloca Delphis

Delphis è una piattaforma indipendente dai fornitori di AI che collega spesa, adozione, impatto e obblighi normativi. Sul tema della maturità fornisce ciò che l'assessment richiede come evidenza: dati di utilizzo per reparto e ruolo, casi d'uso censiti, stato della formazione e gap normativi mappati, tutti in forma aggregata. La mappatura non è un parere legale. Vedi la pagina adozione e ROI.